Bagikan melalui

featurizeImage: Transformasi Fiturisasi Gambar Pembelajaran Mesin

Menampilkan gambar menggunakan model jaringan neural dalam yang telah dilatih sebelumnya.

Penggunaan

  featurizeImage(var, outVar = NULL, dnnModel = "Resnet18")

Argumen

var

Variabel input yang berisi nilai piksel yang diekstrak.

outVar

Awalan variabel output yang berisi fitur gambar. Jika null, nama variabel input akan digunakan. Nilai defaultnya adalah NULL.

dnnModel

Jaringan neural dalam yang telah dilatih sebelumnya. Opsi yang mungkin adalah:

Detail

featurizeImage menampilkan gambar menggunakan model jaringan neural dalam yang telah dilatih sebelumnya yang ditentukan. Variabel input untuk transformasi ini harus diekstrak nilai piksel.

Nilai

Objek maml yang menentukan transformasi.

Penulis

Microsoft Corporation Microsoft Technical Support

Contoh


 train <- data.frame(Path = c(system.file("help/figures/RevolutionAnalyticslogo.png", package = "MicrosoftML")), Label = c(TRUE), stringsAsFactors = FALSE)

 # Loads the images from variable Path, resizes the images to 1x1 pixels and trains a neural net.
 model <- rxNeuralNet(
     Label ~ Features,
     data = train,
     mlTransforms = list(
         loadImage(vars = list(Features = "Path")),
         resizeImage(vars = "Features", width = 1, height = 1, resizing = "Aniso"),
         extractPixels(vars = "Features")
         ),
     mlTransformVars = "Path",
     numHiddenNodes = 1,
     numIterations = 1)

 # Featurizes the images from variable Path using the default model, and trains a linear model on the result.
 model <- rxFastLinear(
     Label ~ Features,
     data = train,
     mlTransforms = list(
         loadImage(vars = list(Features = "Path")),
         resizeImage(vars = "Features", width = 224, height = 224), # If dnnModel == "AlexNet", the image has to be resized to 227x227.
         extractPixels(vars = "Features"),
         featurizeImage(var = "Features")
         ),
     mlTransformVars = "Path")
  • Last updated on